A2A 协议：让 AI Agent 之间真正“会说话”

继 MCP 让 AI 与工具互联之后，A2A（Agent-to-Agent Protocol）正在成为下一个重要方向，它让不同 AI Agent 之间能够直接协作、对话与协同决策。

flowchart LR subgraph Agent1["Agent A"] Tool1[外部工具调用] --> MCP1["MCP 协议"] MCP1 --> AgentCore1[Agent 核心逻辑] end subgraph Agent2["Agent B"] Tool2[外部工具调用] --> MCP2["MCP 协议"] MCP2 --> AgentCore2[Agent 核心逻辑] end AgentCore1 <--> A2A["A2A 协议"] <--> AgentCore2

一、A2A 是什么？

A2A 全称 Agent-to-Agent Protocol ，顾名思义，它是一种让不同 AI Agent 之间建立通信与协作的协议标准。

如果说 MCP（Model Context Protocol）解决的是"AI 如何访问外部工具和数据"，那么 A2A 关注的就是"AI 如何与另一台 AI 直接对话与配合完成任务"。

想象一下未来的场景：

你的日程管理 Agent 与旅行规划 Agent 自动沟通，帮你安排机票和酒店。
供应链管理 Agent 与物流调度 Agent 互发消息，自动调整运输路线。
游戏 NPC 的 AI 脑袋彼此交流，形成动态剧情。

这些都需要一个通用的"语言"和规则，这就是 A2A 要做的事。

二、为什么需要 A2A？

在 MCP 之前，AI 与外部世界的交互大多依赖于 API 调用或人工输入。但在多智能体（Multi-Agent System）场景下，这种方式存在几个问题：

信息孤岛

不同 Agent 各自为政，无法直接共享状态和中间结果。
协作效率低

如果两个 Agent 要配合完成任务，往往需要用户或中间服务手动转发消息。
语义不一致

不同 Agent 的输出结构、上下文信息格式不统一，容易导致理解错误。

A2A 就像给 AI 装上了"即时通讯工具 + 通用协议"，它统一了交互格式、身份验证和会话管理，让 Agent 可以点对点通信，并能理解对方的语义结构。

三、A2A 协议的核心设计

一个完整的 A2A 协议通常包含以下几个要素：

身份认证：确认对方确实是某个可信 Agent，防止恶意伪装。
消息格式 ：定义 Agent 之间发送消息的 JSON / Protobuf 结构，包括：
- 消息类型（请求 / 响应 / 事件）
- 上下文信息（任务 ID、会话历史）
- 数据负载（自然语言、结构化数据）
能力声明：每个 Agent 会声明自己支持的任务类型或 API，方便其他 Agent 调用。
会话管理：支持多轮对话、任务拆分、上下文恢复。
权限控制：确保 Agent 只能调用对方允许的能力，并可追踪调用记录。

四、A2A 的运行流程举例

假设有两个 Agent，一个是翻译 Agent ，负责多语言翻译；另一个是写作 Agent，负责生成内容。那么，工作流程可能是这样的：

sequenceDiagram participant A as Agent A participant B as Agent B A->>B: 1. 建立连接（认证） B-->>A: 2. 确认连接 + 能力声明 A->>B: 3. 发送任务请求 (task_request) B-->>A: 4. 返回任务结果 (task_result) A->>B: 5. 继续发送下一个任务或结束会话

建立连接

写作 Agent 通过 A2A 发现并连接到翻译 Agent。
发送任务请求

json 复制代码

{
  "type": "task_request",
  "task_id": "12345",
  "action": "translate",
  "params": {
    "source_lang": "en",
    "target_lang": "zh",
    "text": "Hello, world!"
  }
}

接收任务结果

json 复制代码

{
  "type": "task_result",
  "task_id": "12345",
  "status": "success",
  "result": "Hello, World!"
}

继续协作

翻译 Agent 也可以反向调用写作 Agent，比如生成新的广告文案并再翻译。

classDiagram class A2AMessage { +string type +string task_id +string action +map params +string status +any result } A2AMessage <|-- TaskRequest A2AMessage <|-- TaskResult class TaskRequest { +source_lang +target_lang +text } class TaskResult { +status +result }

五、A2A 与 MCP 的区别

协议	作用范围	主要目标
MCP	AI ↔ 工具/数据	让 AI 访问外部资源
A2A	AI ↔ AI	让不同 AI 协作、共享信息

它们可以互补：一个 Agent 可以通过 MCP 调工具，再通过 A2A 把结果传给另一个 Agent。

A2A 让 AI 从"单机版"升级为"网络版"，实现 Agent 与 Agent 的直接协作，它解决了多智能体系统中信息孤岛、语义不一致和协作低效的问题。随着多智能体生态的发展，你认为 A2A 是否更有望成为 AI 协作的"HTTP 协议"，成为 AI 世界的通用语言呢？